宋雨桐, 張子璇, 牛蓓蓓, 李新舉

(1.山東農(nóng)業(yè)大學(xué) 資源與環(huán)境學(xué)院, 山東 泰安 271018; 2.土肥資源高效利用國家工程實驗室, 山東 泰安 271018)

景觀格局變化是指由于土地利用方式不同導(dǎo)致的景觀類型和景觀格局的時空變化[1]。早期景觀格局的主要研究方法包括傳統(tǒng)的定性描述法、景觀生態(tài)圖疊置分析方法等。自20世紀(jì)90年代以來，隨著經(jīng)濟社會的不斷發(fā)展，人類活動強度增大，土地開發(fā)與土地利用方式的轉(zhuǎn)變都對景觀格局研究提出了新要求，同時3S技術(shù)的快速發(fā)展和應(yīng)用，使得景觀生態(tài)學(xué)的研究重點開始轉(zhuǎn)向景觀格局脆弱性及其動態(tài)變化的研究。景觀格局脆弱性研究起源于生態(tài)脆弱性研究，1905年由美國學(xué)者Clements提出，隨著相關(guān)研究的進(jìn)一步深入，生態(tài)脆弱性的內(nèi)涵也發(fā)生了變化，從單一研究方向轉(zhuǎn)向多元化，由此衍生出景觀格局脆弱性的研究[2]。景觀格局脆弱性反映景觀生態(tài)系統(tǒng)所受到的干擾及其脆弱程度[3]。國內(nèi)外學(xué)者從多個方面對不同區(qū)域景觀格局脆弱性展開了研究。主要從景觀脆弱度指數(shù)[4]、土地利用類型變化[5]、地形因子[6]、脆弱性評價體系構(gòu)建等[7]角度開展。目前針對黃河三角洲景觀格局脆弱性的國內(nèi)外研究較少，國外方面主要從3S技術(shù)[8-9]角度展開。國內(nèi)方面主要運用景觀指數(shù)分析法、構(gòu)建生態(tài)環(huán)境評價體系等[10-12]方法對黃河三角洲景觀格局的演變趨勢及脆弱性展開研究，對探析景觀格局演變規(guī)律，開展生態(tài)環(huán)境脆弱區(qū)的保護(hù)研究做出了貢獻(xiàn)。景觀格局分析主要以柵格數(shù)據(jù)作為數(shù)據(jù)源進(jìn)行研究[13]。因此，選擇適宜的粒度和尺度對景觀格局的分析十分重要。Benson等[14]、秦嶺等[15]、王朋沖等[16]通過不同粒度大小的柵格數(shù)據(jù)比較得出研究區(qū)景觀格局研究的最適宜分析粒度。王璐等[17]、張金茜等[18]通過變異系數(shù)、最佳研究尺度模型的構(gòu)建得出研究區(qū)最適宜分析尺度。但現(xiàn)有研究大都從粒度或尺度出發(fā)，對于粒度尺度的綜合分析研究較少。

黃河三角洲地理位置特殊，近年來受人類活動、黃河水沙變化、海水侵蝕等影響，生態(tài)環(huán)境較為脆弱，景觀類型變化復(fù)雜、劇烈，景觀演變速度逐漸加快[19]。因此，開展景觀格局及其脆弱性的研究能一定程度掌握區(qū)域景觀格局變化機制及脆弱性的區(qū)域特征，為區(qū)域可持續(xù)發(fā)展和生態(tài)修復(fù)提供科學(xué)依據(jù)。

鑒于此，本研究以Landsat遙感影像為數(shù)據(jù)源，以監(jiān)督分類得到的景觀類型數(shù)據(jù)為基礎(chǔ)，通過計算景觀格局指數(shù)，運用變異系數(shù)和地統(tǒng)計方法，在確定最佳空間分析粒度和尺度基礎(chǔ)上，探究黃河三角洲地區(qū)景觀格局脆弱性時空分異特征及其空間關(guān)聯(lián)性，以期可為生態(tài)脆弱區(qū)景觀格局的研究提供一定的科學(xué)依據(jù)。

1 研究區(qū)概況

黃河三角洲是中國三大河口三角洲之一，位于萊州灣西岸和渤海灣南岸，是黃河攜帶大量泥沙淤積所形成的沖積平原，是中國最年輕的土地。本文選擇黃河三角洲所處的東營市東營區(qū)、墾利區(qū)、河口區(qū)和利津縣為研究區(qū)(37°16′—38°0′N，118°06′—119°18′E)，總面積為5 962.64 km2。黃河三角洲屬暖溫帶大陸性季風(fēng)氣候，四季分明，雨熱同期，平均年降水量530～630 mm，多集中于夏季[20]。土壤類型受人為和自然因素影響存在較大差異，以潮土、鹽土為主。黃河入?？谔庍€成立了國家級自然保護(hù)區(qū)，該區(qū)具有中國最完整、最廣闊的河口新生濕地，在全球濕地生態(tài)系統(tǒng)和珍稀物種保護(hù)方面都有不可替代的作用。

2 數(shù)據(jù)來源與研究方法

2.1 數(shù)據(jù)來源

本研究所使用的2005，2012，2018年黃河三角洲Landsat遙感影像數(shù)據(jù)均下載自地理空間數(shù)據(jù)云網(wǎng)站(http:∥www.gscloud.cn)。為保證分類的準(zhǔn)確性，選擇5月成像質(zhì)量好、地物層次豐富、無云的影像。后在ENVI 5.3中對三期影像進(jìn)行輻射定標(biāo)、大氣校正、幾何精矯正，裁剪等預(yù)處理，參考黃河三角洲的區(qū)域特征和已有分類成果，采用最大似然法對預(yù)處理后的影像進(jìn)行監(jiān)督分類，將研究區(qū)劃分為耕地、林地、草地、未利用地(包括鹽堿地)、水域、建設(shè)用地、灘涂、鹽田和養(yǎng)殖池8種景觀類型。對不確定的圖斑進(jìn)行實地踏勘并修正，3期影像分類結(jié)果的kappa系數(shù)均在85%以上，符合精度要求，表明分類結(jié)果能夠為本次研究提供數(shù)據(jù)支持。

2.2 研究方法

2.2.1 景觀格局變化分析

(1) 構(gòu)建景觀類型轉(zhuǎn)移矩陣。景觀類型轉(zhuǎn)移矩陣可以在時間上和空間上展示出景觀類型的轉(zhuǎn)移方向和變化幅度。將得到的景觀類型分布圖在ENVI中運用change detection statistics分別獲取2005—2012年，2012—2018年景觀類型轉(zhuǎn)移矩陣，利用轉(zhuǎn)移矩陣對黃河三角洲景觀類型變化過程進(jìn)行定量分析。

(2) 計算景觀類型動態(tài)度。動態(tài)度常用來表示特定時間內(nèi)某種土地利用類型的數(shù)量變化情況，可以定量描述其變化幅度與變化速度[21]。動態(tài)度計算公式如下：

(1)

式中：i為第i類景觀類型;t1,t2為研究時間點,Ki為t1到t2時段內(nèi)第i類景觀類型的動態(tài)度;Sit1,Sit2為t1,t2時間第i類景觀類型的面積。

2.2.2 景觀格局最佳分析粒度的確定

(1) 變異系數(shù)法選取敏感性指數(shù)。變異系數(shù)是衡量序列觀測值離散程度的相對統(tǒng)計量[22]。本研究運用變異系數(shù)法判定各景觀指數(shù)對空間粒度變化的敏感程度，隨著景觀空間粒度的增加，若某一景觀指數(shù)的變異系數(shù)隨之增加，則說明該景觀指數(shù)對空間粒度的敏感性較高，且變異系數(shù)越大，敏感性越高，反之亦然。本研究首先在ArcGIS中將研究區(qū)各年份景觀類型矢量數(shù)據(jù)柵格化，每個年份均得到28幅不同空間粒度大小(30～300 m)的景觀類型數(shù)據(jù)。然后從景觀水平和類型水平兩個層面，從面積—邊緣指數(shù)、形狀指數(shù)、多樣性指數(shù)、聚集度指數(shù)4個方面選取具有代表性的景觀格局指數(shù)進(jìn)行變異系數(shù)的計算并選出敏感指數(shù)。其中景觀水平選取了景觀面積(TA)、斑塊個數(shù)(NP)、斑塊密度(PD)、最大斑塊指數(shù)(LPI)、邊緣密度(ED)、斑塊相似度指數(shù)(LSI)、平均斑塊面積(SHAPE-MN)、面積周長分維數(shù)(PAFRAC)、蔓延度指數(shù)(CONTAG)、相似臨近比(PLADJ)、散布與并列指數(shù)(IJI)、斑塊凝聚度(COHESION)、景觀分裂指數(shù)(DIVISION)、分離度指數(shù)(SPLIT)、香農(nóng)多樣性指數(shù)(SHDI)、香農(nóng)均勻度指數(shù)(SHEI)、聚合度指數(shù)(AI)17個景觀指數(shù)；類型水平上選取了斑塊類型面積(CA)、斑塊個數(shù)(NP)、斑塊密度(PD)、最大斑塊指數(shù)(LPI)、邊緣密度(ED)、斑塊相似度指數(shù)(LSI)、平均斑塊面積(SHAPE-MN)、面積周長分維數(shù)(PAFRAC)、相似臨近比(PLANDJ)、散布與并列指數(shù)(IJI)、斑塊凝聚度(COHESION)、景觀分裂指數(shù)(DIVISION)、分離度指數(shù)(SPLIT)、聚合度指數(shù)(AI)14個景觀指數(shù)。

(2) 拐點識別法。拐點識別法是通過分析各景觀指數(shù)隨粒度變化的趨勢圖來確定景觀指數(shù)的適宜粒度的一種方法[23]。通過綜合分析敏感景觀指數(shù)隨粒度變化的趨勢圖確定適宜粒度區(qū)間，根據(jù)趨勢拐點來確定適宜的景觀粒度。

2.2.3 景觀格局脆弱性研究

(1) 半變異函數(shù)。半變異函數(shù)是指區(qū)域化變量考慮系統(tǒng)屬性在所有分離距離上任意兩樣本間的差異[24]。通常認(rèn)為區(qū)域化變量的空間異質(zhì)性是由空間自相關(guān)和隨機誤差所引起的。本研究分別計算3個研究年份4個不同網(wǎng)格大小下的景觀適應(yīng)性指數(shù)LAI，利用GS+軟件分別計算其半變異函數(shù)，根據(jù)半變異函數(shù)擬合模型參數(shù)確定黃河三角洲地區(qū)景觀脆弱性分析的最適宜尺度。

(2)

式中：h為步長;N(h)是分隔距離為h時的樣本總數(shù),當(dāng)h=0時,γ(h)=C0;C0稱為塊金值,表示隨機因素產(chǎn)生的空間異質(zhì)性;A0為變程用于表示空間相關(guān)性的作用范圍,當(dāng)h增大到A0時,γ(h)從非零值達(dá)到一個相對穩(wěn)定的常數(shù);C是結(jié)構(gòu)方差,表示因空間自相關(guān)而產(chǎn)生的空間異質(zhì)性;C0+C為基臺值,表示自相關(guān)部分的空間異質(zhì)性,其值大小與空間差異性成正比。

(2) 景觀脆弱度計算。本研究通過構(gòu)建景觀敏感度指數(shù)LSI和景觀適應(yīng)性指數(shù)LAI得到景觀脆弱度指數(shù)LVI[1]，其計算公式見(3)—(5)。利用Fragstats和ArcGIS軟件計算處理后得到不同研究年份的黃河三角洲景觀脆弱度分布圖。

(3)

LAI=PRD×SHDI×SHEI

(4)

LVI=LSI×(1-LAI)

(5)

式中：n為景觀類型數(shù)目;i為景觀類型;Ui為景觀干擾度指數(shù);Vi為景觀類型易損度; PRD，SHDI，SHEI分別為斑塊豐富度指數(shù)、香農(nóng)多樣性指數(shù)、香農(nóng)豐富度指數(shù)。

(3) 空間自相關(guān)分析?？臻g自相關(guān)分析用來描述事物在空間上的依賴關(guān)系[25]。本研究借助GeoDa軟件，來進(jìn)行景觀空間自相關(guān)分析。首先構(gòu)建空間權(quán)重矩陣，再進(jìn)行全局自相關(guān)和局部自相關(guān)分析。通過Moran’sI指數(shù)和局部自相關(guān)LISA顯著圖[26]，探究不同研究年份研究區(qū)各網(wǎng)格單元景觀脆弱度指數(shù)之間的空間相關(guān)性和某一網(wǎng)格單元與鄰近網(wǎng)格單元景觀脆弱度指數(shù)的空間關(guān)聯(lián)程度。

3 結(jié)果與分析

3.1 景觀格局動態(tài)變化

3.1.1 景觀類型轉(zhuǎn)移特征 黃河三角洲2005—2012年和2012—2018年的景觀類型轉(zhuǎn)移矩陣見表1—2。2005—2012年，未利用地和灘涂的轉(zhuǎn)出面積，分別是555.90 km2，269.04 km2。占到了各自總面積的67.84%和57.56%，主要轉(zhuǎn)移方向是耕地、建設(shè)用地、鹽田和養(yǎng)殖池。耕地轉(zhuǎn)出面積為416.93 km2，占總變化面積的25.61%，主要轉(zhuǎn)移方向是建設(shè)用地。建設(shè)用地面積增加最多，7 a間增加321.32 km2，其次是鹽田和養(yǎng)殖池，增加了310.05 km2。2012—2018年，依舊是未利用地和灘涂的轉(zhuǎn)出面積最大，分別是236.13 km2，189.166 km2，鹽田和養(yǎng)殖池、耕地、建設(shè)用地分別占未利用地轉(zhuǎn)出的31.59%，40.05%，16.73%，而灘涂的主要轉(zhuǎn)移方向是鹽田和養(yǎng)殖池，占其總轉(zhuǎn)出面積的59.74%。面積增加最多的仍然是建設(shè)用地，增加了283.45 km2，占建設(shè)用地總面積的26.71%。鹽田和養(yǎng)殖池增加的面積僅次于建設(shè)用地為252.32 km2。綜合來看，建設(shè)用地的面積增加了2.33倍，這與近年來黃河三角洲城市化進(jìn)程加快以及經(jīng)濟發(fā)展的需求有關(guān)。2005—2018年黃河三角洲未利用地和灘涂的轉(zhuǎn)出幅度最大，兩者面積分別較2005年減少20.08%和41.51%，土地利用率提高。林地和草地的總面積基本保持不變，但轉(zhuǎn)入轉(zhuǎn)出較為頻繁。水域面積基本穩(wěn)定。

表1 2005-2012年黃河三角洲景觀類型轉(zhuǎn)移矩陣 km2

表2 2012-2018年黃河三角洲景觀類型轉(zhuǎn)移矩陣 km2

3.1.2 景觀動態(tài)度分析 黃河三角洲景觀類型在研究時段內(nèi)呈現(xiàn)出不同的變化特點，景觀類型動態(tài)度見圖1。由圖1可知建設(shè)用地、鹽田和養(yǎng)殖池面積大幅增加。建設(shè)用地在兩個研究時段內(nèi)的動態(tài)度分別為10.06%，10.01%，呈現(xiàn)持續(xù)增長態(tài)勢，且增長速度最快。2018年鹽田和養(yǎng)殖池面積是2005年的2倍，增長速度先快后慢，其中灘涂和未利用地持續(xù)減少，減少速度加快，在2012—2018年，動態(tài)度分別達(dá)到了-6.84%和-9.40%。這表明黃河三角洲地區(qū)經(jīng)濟的快速發(fā)展使得城鎮(zhèn)化進(jìn)程持續(xù)推進(jìn)，土地利用效率提高。林、草地的總面積基本保持不變，草地面積的增加基本來自于林地的轉(zhuǎn)化，原因是研究區(qū)土地鹽漬化比較嚴(yán)重樹木相對難以存活往往轉(zhuǎn)化成荒草地或者沼澤。

圖1 2005-2018年黃河三角洲單一景觀類型動態(tài)度

耕地面積先增加后減少，動態(tài)度為0.74%和-1.4%，這與一開始的擴大耕地規(guī)模以滿足生產(chǎn)需求為主要發(fā)展模式轉(zhuǎn)變?yōu)槿伺c自然和諧發(fā)展的政策有關(guān)。水域動態(tài)度較小，為-1.70%和0.24%，研究時段初期水體轉(zhuǎn)出方向主要為耕地，但到后期耕地轉(zhuǎn)換為水體基本達(dá)到了一個動態(tài)的平衡。

3.2 景觀格局最佳空間分析粒度

3.2.1 景觀水平上最佳空間分析粒度確定 本研究通過變異系數(shù)法判斷各景觀指數(shù)對空間粒度的敏感程度，根據(jù)景觀指數(shù)的變異系數(shù)大小，將敏感度分為5個等級，分別為極高敏感度(變異系數(shù)>10%)，高敏感度(變異系數(shù)7%～10%)，中敏感度(變異系數(shù)4%～7%)，低敏感度(1%～4%)，不敏感(變異系數(shù)<1%)。變異系數(shù)計算結(jié)果見表3。

由表3可知，NP，PD，LPI，ED，LSI，DIVISION，SPLIT這7個指數(shù)是景觀水平上的極高敏感指數(shù)。且3個年份中，2012年各個景觀指數(shù)的變異系數(shù)整體較高，因此選用2012年的數(shù)據(jù)進(jìn)行研究區(qū)最佳空間分析粒度的趨勢分析。

表3 2005-2018年黃河三角洲景觀水平景觀指數(shù)隨粒度變化變異系數(shù) %

2012年7個敏感指數(shù)隨粒度的變化趨勢見圖2?？梢钥闯觯S著空間粒度的增加，景觀指數(shù)的變化主要分為3類：第一類特征是隨著空間粒度的增加，景觀指數(shù)先快速降低然后緩慢降低，包括NP，PD；第2類是隨著空間粒度的增加基本保持同一斜率緩慢下降，包括ED，LSI；第3類是先基本保持平穩(wěn)然后隨著空間粒度的增加上下波動，達(dá)到到某一空間粒度時又恢復(fù)到穩(wěn)定狀態(tài)，包括LPI，DIVISION，SPLIT。

圖2 2012年黃河三角州景觀水平上敏感景觀指數(shù)隨粒度的變化趨勢

由圖2可知，NP，PD無明顯的“拐點”，但達(dá)到200 m粒度后下降的速率明顯降低；ED，LSI也沒有明顯的拐點；DIVISION，SPLIT，LPI在110～220 m粒度區(qū)間內(nèi)波動明顯。因此，從景觀水平上綜合分析景觀指數(shù)的拐點認(rèn)為，黃河三角洲整體的適宜粒度區(qū)間為220～300 m。

3.2.2 類型水平上最佳空間分析粒度確定 為了保證研究的準(zhǔn)確性，類型水平上最佳分析粒度的確定同樣重要。與景觀水平的研究思路一致，以2012年為例，選取了CA，NP，PD，LPI，ED，LSI，SHAPE-MN，PAFRAC，PLANDJ，IJI，SPLIT，COHESION，DIVISION，AI這14個景觀指數(shù)進(jìn)行不同空間粒度大小下變異系數(shù)的計算。其變異系數(shù)計算結(jié)果見表4。

由表4可知，類型水平上不同景觀類型的景觀格局指數(shù)表現(xiàn)出不同的敏感度，所有景觀類型均表現(xiàn)出極高敏感的指數(shù)有NP，PD，ED，LSI。同樣，將各景觀類型變異系數(shù)與空間粒度進(jìn)行趨勢分析，發(fā)現(xiàn)鹽田和養(yǎng)殖池、水體的適宜粒度區(qū)間為190～300 m；灘涂、建設(shè)用地、未利用地、林地和草地的適宜粒度區(qū)間為200～300 m；耕地的適宜粒度區(qū)間為220～300 m。

表4 2005-2018年黃河三角洲不同類型水平景觀指數(shù)隨粒度變化變異系數(shù) %

綜合景觀水平和類型水平的分析結(jié)果，黃河三角洲地區(qū)景觀分析的最佳粒度范圍為220～300 m，最終本研究選取220 m作為黃河三角洲最佳景觀分析粒度。

3.3 黃河三角洲景觀格局脆弱性時空演變規(guī)律

3.3.1 最優(yōu)尺度的確定 景觀格局脆弱性具有尺度效應(yīng)，已有研究通常將網(wǎng)格劃分尺度設(shè)置為是平均斑塊面積的2～5倍[27]，因此本研究將研究區(qū)劃分為1.5 km×1.5 km，2.0 km×2.0 km，2.5 km×2.5 km，3.0 km×3.0 km 4種尺度的單元網(wǎng)格，通過分析不同網(wǎng)格尺度下景觀適應(yīng)性指數(shù)(LAI)的半變異函數(shù)參數(shù)特征，篩選景觀格局脆弱性的最優(yōu)分析尺度。3個年份不同網(wǎng)格尺度下景觀適應(yīng)性指數(shù)的半變異函擬合參數(shù)見表5。

表5 2005-2018年黃河三角洲不同網(wǎng)格尺度下景觀適應(yīng)性指數(shù)的半變異函數(shù)擬合模型

整體來看，3個研究年份不同尺度下的最佳模型均為指數(shù)模型。2.5 km和3.0 km尺度下的塊金值較小，說明隨機部分造成的空間異質(zhì)性較少。由表5可知，2.5 km，3.0 km尺度下的空間變異程度較為合理，既能反映一定的差異性，又不會使差異性過于顯著。C是結(jié)構(gòu)方差，表示因空間自相關(guān)而產(chǎn)生的空間異質(zhì)性。C/(C0+C)是結(jié)構(gòu)方差與基臺值的比例，C/(C0+C)越大，表示因自相關(guān)造成的空間異質(zhì)性越多。由表5可知，各個尺度下的C/(C0+C)均大于75%，說明變量具有顯著的空間相關(guān)性。A0表示變程，只有當(dāng)網(wǎng)格大小小于變程時，才能保證研究區(qū)景觀格局脆弱性的高度相關(guān)關(guān)系。由此可知2.5 km和3.0 km尺度更適宜探討景觀格局的空間異質(zhì)性及關(guān)聯(lián)性。相比而言，3 km尺度下函數(shù)復(fù)相關(guān)系數(shù)R2更高，綜合殘差RSS更小，因此3 km×3 km的網(wǎng)格是黃河三角洲景觀格局脆弱性分析的最適宜尺度。

3.3.2 景觀脆弱性時空特征分析 圖3展示了基于3 km×3 km尺度的黃河三角洲景觀格局脆弱度空間分布圖，各脆弱度等級所占比例見表6。由圖3可知，在研究時段內(nèi)研究區(qū)景觀脆弱度變化幅度不大，高度脆弱區(qū)大都分布在北部和東部沿海灘涂處，由于鹽田和養(yǎng)殖池連片式分布，且景觀類型以灘涂為主，使得景觀優(yōu)勢度較低，從而導(dǎo)致景觀敏感性較高。較高脆弱度分布在未利用地和建設(shè)用地上，其中以未利用地為主的較高脆弱區(qū)逐漸減少，而以城鎮(zhèn)為主的地區(qū)呈逐年擴大趨勢。中等脆弱度地區(qū)分布較為均勻，較低脆弱度和低脆弱度地區(qū)主要分布在研究區(qū)的中部、西部和南部。

圖3 2005-2018年黃河三角洲景觀格局脆弱度及其指數(shù)(LVI)分布特征

由表6可知，低脆弱度地區(qū)呈逐年減少趨勢，研究時段內(nèi)比例從14.38%下降到6.99%。這是由于為滿足農(nóng)業(yè)和城市化的發(fā)展，土地利用開發(fā)程度增加，景觀破碎化增加。較低脆弱區(qū)、中等脆弱區(qū)呈增加趨勢，所占比例分別增加了2.0%和3.0%。此外，2005—2018年黃河三角洲景觀脆弱度呈現(xiàn)不同的空間變化特征，研究區(qū)北部的景觀格局脆弱度有變好的趨勢，但南部有惡化的趨勢，這是因為北部未利用地土地利用結(jié)構(gòu)不斷優(yōu)化，景觀類型逐漸豐富，這對景觀格局脆弱度有一定的緩和作用；而研究區(qū)中部和南部的墾利縣、東營區(qū)和利津縣，近年來建設(shè)用地逐漸擴張，破壞了原有的板塊連通性，因此導(dǎo)致景觀脆弱程度的提高。

表6 2005-2018年黃河三角洲不同等級景觀格局脆弱度網(wǎng)格所占比例 %

3.3.3 景觀格局脆弱性的空間關(guān)聯(lián)分析 2005，2012，2018年黃河三角洲的景觀脆弱度指數(shù)全局Moran’sI結(jié)果如表7所示，3個年份的全局Moran’sI系數(shù)分別為0.354，0.365，0.399，且顯著性水平均達(dá)到0.001，說明黃河三角洲景觀脆弱度呈現(xiàn)顯著的空間正相關(guān)關(guān)系，且相關(guān)關(guān)系持續(xù)增強，空間集聚現(xiàn)象日趨明顯。

表7 2005-2018年黃河三角州景觀格局脆弱度全局Moran’s I指數(shù)

選擇局部空間自相關(guān)系數(shù)LISA作為度量指標(biāo)，探究黃河三角洲不同方向上景觀格局脆弱度的空間集聚模式(圖4)。由圖4可知，研究區(qū)以高—高集聚區(qū)、低—低集聚區(qū)為主。景觀格局脆弱度高—高區(qū)主要集中在研究區(qū)北部和東部，這是由于北部和東部對應(yīng)區(qū)域的中心單元均為高、較高脆弱區(qū)，景觀類型主要以灘涂、鹽田和養(yǎng)殖池為主，相鄰單元正相關(guān)性強，對周邊單元的輻射作用較強。高—高區(qū)分布范圍先縮小后增加，表明景觀格局脆弱性先有所緩解但又略微抬升。低—低脆弱區(qū)分布在中部和西南部，這與此區(qū)域景觀類型分布較為均勻有關(guān)。同時低—低脆弱區(qū)的減少，主要是因為經(jīng)濟的快速發(fā)展、人為擾動增強，導(dǎo)致景觀破碎度增加。

圖4 2005-2018年黃河三角洲地區(qū)景觀脆弱度LISA集聚特征

由圖5 LISA顯著性水平圖分析可知，景觀格局脆弱度高—高對應(yīng)的顯著性較強，P大都在0.001，0.01水平上，中部和西南部的低—低區(qū)顯著性水平大都為0.5。

圖5 2005-2018年黃河三角洲景觀脆弱度局部自相關(guān)LISA顯著特征

4 討論與結(jié)論

4.1 討 論

本研究以遙感影像為數(shù)據(jù)源，綜合變異系數(shù)法、網(wǎng)格法、地統(tǒng)計等方法在確定最佳分析粒度的基礎(chǔ)上選取最佳分析尺度，對黃河三角洲景觀格局脆弱性展開研究，并進(jìn)行空間自相關(guān)分析，從而揭示黃河三角洲景觀格局在時間上和空間上的演變規(guī)律。目前關(guān)于黃河三角洲景觀格局脆弱性的研究較少，本文能在一定程度上提高黃河三角洲景觀格局研究的準(zhǔn)確性，為景觀格局脆弱性研究提供了新的思路。

數(shù)據(jù)源、空間粒度、尺度的不同都會對景觀格局的研究結(jié)果產(chǎn)生影響。因此，本研究選取了2005，2012，2018年相同月份的Landsat遙感影像，避免了數(shù)據(jù)源不同引起的差異。合理確定研究區(qū)最佳分析粒度和尺度是保證景觀格局脆弱性結(jié)果準(zhǔn)確的前提條件。相較于其他文章僅從最佳粒度或最佳尺度一個方面展開研究，本研究綜合確定了黃河三角洲分析的最佳粒度和尺度，提高了研究的準(zhǔn)確性。很多學(xué)者采用拐點法來選擇最佳分析粒度[18]，也不乏有學(xué)者以信息損失最小為原則，運用信息損失評價法確定最佳分析粒度[28]。然而在最佳分析尺度的選取方面，很多學(xué)者通過綜合分析研究區(qū)大小以及工作量的大小直接選取。同時，最佳粒度和尺度有很強的地域性，鑒于此，如何選取最佳空間粒度和空間幅度的方法仍需進(jìn)一步研究。

影響景觀格局脆弱性的因素有很多，例如氣候條件、土壤類型、地形地貌、人類活動等。本研究受限于數(shù)據(jù)的可獲得性，僅以遙感影像為數(shù)據(jù)源來探討景觀格局的脆弱性，缺乏景觀脆弱性的影響因子方面的研究，研究結(jié)果尚不夠全面。在后續(xù)的工作中，將從氣候、地形、土壤類型、人類活動等多角度展開綜合研究，從而更加全面的揭示研究區(qū)景觀生態(tài)的演化特點和規(guī)律。

4.2 結(jié) 論

(1) 2005—2018年，黃河三角洲景觀類型發(fā)生了較大幅度的改變，建設(shè)用地面積增加2.33倍，未利用地和灘涂面積大幅減少，分別減少了各自總面積的20.08%和41.51%。

(2) 景觀水平和類型水平上，高敏感性的景觀指數(shù)在粒度達(dá)到220 m后基本相對穩(wěn)定，確定220 m是研究區(qū)最適宜的空間分析粒度。根據(jù)不同網(wǎng)格尺度下的景觀適應(yīng)性指數(shù)的半變異函數(shù)參數(shù)對比，確定3 km×3 km尺度是研究區(qū)最適宜的景觀脆弱度分析尺度。

(3) 2005—2018年，黃河三角洲地區(qū)景觀格局脆弱度逐漸增強，脆弱地區(qū)大都分布在沿海地區(qū)，主要是由于沿海地區(qū)景觀系統(tǒng)主要為灘涂、未利用地、鹽田和養(yǎng)殖池，景觀集中連片分布導(dǎo)致景觀適應(yīng)性較低。內(nèi)陸地區(qū)景觀脆弱度也有所增強。

(4) 2005，2012，2018年景觀格局全局Moran’sI逐年上升，說明3個時期景觀格局脆弱度存在正相關(guān)現(xiàn)象。在總體空間分布上，2005—2018年黃河三角洲景觀格局脆弱度均以高—高脆弱區(qū)與低—低脆弱區(qū)的聚集為主，且顯著性水平相對較高。